前言
前一篇文章《从重大漏洞应急看云原生架构下的安全建设与安全运营（上）》中，我们简要分析了对于重大安全漏洞，在云原生架构下该如何快速进行应急和修复，以及云原生架构对于这种安全应急所带来的挑战和优势。事件过后我们需要痛定思痛，系统的来思考下，面对云原生架构如何进行有效的安全建设和安全运营，使得我们在安全事件的处置上可以做到游刃有余。
腾讯云容器服务TKE目前拥有国内最大规模的Kubernetes集群，运行了包括游戏、支付、直播、金融等多个应用场景。而集群的稳定运行离不开安全能力的保驾护航，腾讯云容器安全服务TCSS掌握了业内最前沿的云原生安全视角，为TKE的安全治理提供持续指导并沉淀了丰富的思考和最佳实践。
本文将结合我们的安全建设和安全运营实践，系统的分享我们对于云原生架构下安全建设和安全运营的思考。
云原生架构下的安全建设与安全运营
安全运营是目标，安全能力是手段。安全能力的建设与安全运营有着紧密的关系，安全能力建设是安全运营的基础，巧妇难为无米之炊，更好的安全能力建设可以使安全运营更加顺畅，同样安全运营也能给安全能力建设提供更好的输入和反馈，使安全检测和防护能力更加精准。
云原生架构下的安全能力建设和运营，其实是一个很大的命题，限于篇幅本文不会完全覆盖。本文主要围绕log4j2漏洞这个典型场景，从安全运营的视角，分析安全能力建设的必选项。
传统的安全能力建设必不可少
首先需要说明的是，不管是我们现在讲的容器安全，还是云原生安全，都是一个相对狭义的概念，通常只包含了云原生架构下特有安全风险的检测与防护。从安全风险角度来看，我们也一直强调，云原生架构下的安全风险是一个增量，因此在整体的安全建设上，一定是个纵深防御的体系，不是某个产品单打独斗所能完成的。
例如南北向流量出入口的WAF、防火墙、抗D等，假如我们的云原生是建立在IaaS基础之上的，那么VPC、甚至是underlay层面的网络分级分域的隔离和入侵检测，这些都是云原生安全建设的基础。
在这次log4j2漏洞的应急处置中，我们也发现，即使是容器环境，通过升级WAF规则、更新防火墙出站策略等方式，也能在第一时间实现一定程度的漏洞缓解和阻断。
腾讯云在2021年11月发布的《腾讯云容器安全白皮书》中（点击“阅读原文”可下载），也提出了层次化的容器安全体系框架，其中很重要的一部分就是基础安全，这里的基础安全就是包括了原有的数据中心安全以及云安全建设所覆盖的内容。
安全运营驱动安全能力建设
对于体系化的安全建设和安全运营，一些技术组织以及标准化组织，也提出过相关的标准框架，这些框架对于我们在安全建设上，都有着重要的指导和参考意义，这里我们以NIST提出的网络安全框架为例来作为我们云原生安全建设的参考。
参考NIST网络安全框架，我们同样将云原生安全建设划分为五个并行并且连续的步骤，分别是识别、防护、检测、响应和恢复。
安全识别
（1）集群资产识别
安全识别最主要是体现在资产识别上。这里的资产既包括cluster、node、namespace、pod、service、container等Kubernetes资源层面的资产，同样还包括镜像仓库、容器镜像等维度的应用资产信息。
云原生架构下，除了基本的资产识别盘点之外，还需要能够发现这些资产之间潜在的资源和业务之间的逻辑关系。这样一旦检测到某个镜像包含新的漏洞，或者检测到相应的入侵行为，需要能够快速进行所有资产和人员的自动化关联定位，发现影响范围，以及定位安全责任人，进而快速进行处置。
（2）自建容器识别
除了对于标准集群层面的资产具备上述识别能力外，对于研发系统等相对复杂的环境同样需要有一定的适配能力。例如，在研发环境中，除了标准集群层面的资产外，还会出现自建的资产，例如用户用Docker run等命令直接拉起运行的容器。
（3）业务风险识别
从安全运营角度看，安全识别还体现在业务风险识别上。我们需要对集群、应用进行清晰的安全风险级别划分，对于高风险应用，需要采用更高级别的安全策略。例如，对于核心业务系统，要有严格的网络隔离以及访问控制机制，对于直接暴露出去的服务，在容器维度要有更加严格的权限控制等。
安全防护
具备资产以及业务风险信息后，接下来就需要依赖基本的安全防护能力，实现对已知威胁的安全防护。这里的安全防护主要包括两个方面：
（1）系统加固
• 配置检测与修复
系统加固可谓是个老生常谈的话题了，尤其是配置检查与安全配置加固，但是在云原生架构下，这一点是尤为重要的。因为从容器的设计理念来看，其与操作系统共享内核，给了容器用户更大的可操作空间，因此，配置的安全与否将在很大程度上影响着整个系统的安全性。
从前文的容器环境主要入侵路径可以看出，通过主机攻击容器是其中重要的一种路径，例如通过Docker Remote API。因此安全能力需要包括全面的配置检查。
配置加固虽然说起来是个老问题，但是在云原生环境中，真正实现完整的安全能力还是比较复杂，这既包括Kubernetes、Docker、Istio等基础平台与组件的加固，还包括镜像内应用软件的配置加固，这个做起来就更复杂一些。我们在这里就不再展开。
从安全运营角度看，我们需要能够根据配置检查得到的信息，将基本的配置进行安全性加固。同时一个重要的点就是，安全配置与业务稳定运行之间的平衡，一方面需要保证充分实现了安全性，另一方面就是不会对业务的可用性和稳定性造成影响。这就需要在配置加固的同时，结合业务特性与安全配置要求，灵活对配置策略进行调整，这将会是一个持续的修正和完善的过程。
• 漏洞检测与修复
已知漏洞修复同样是个古老的话题，包括主机层面的漏洞和镜像的漏洞，对于检测出来的漏洞，需要根据漏洞的威胁等级以及利用难易程度等信息，确定是否需要修复以及修复的优先级。
• 镜像安全评估与修复
容器镜像作为云原生应用的源头，除了漏洞之外，还需要进行更多维度的安全性评估。例如至少需要包含以下几个方面：镜像内敏感信息的检测，确保不会发生敏感信息泄露；镜像中病毒木马等恶意文件检测，这主要针对不确定来源的公开镜像；镜像构建的合规性检测，比如COPY和ADD的使用区别等。
除了针对上述镜像风险的检测和修复之外，在安全运营上还需要考虑对僵尸镜像清理，这既包括对镜像仓库的清理，也包括对集群node节点的清理，这对于减小攻击面有着重要的作用。
同时，针对不同镜像需要支持自定义的检测规则，不同的组织用户或者不同类型业务的镜像，对安全的要求是不一样的，因此在镜像的安全评估上，除了基于一套通用的检测评价规则之外，还需要支持用户的自定义规则，这样可以结合前文的业务风险识别，针对不同的镜像，灵活采用不同的安全规则。
• 风险管理
在运营管理上，针对上述提及的配置、漏洞等风险信息，需要有一套完善的闭环风险管理流程，确保完全实现了风险的识别、修复以及确认。
（2）安全防护
除了系统加固外，在安全防护阶段，还应该在不同层面，针对已知可能发生的入侵风险，通过相关的防护能力和防护策略进行攻击的预防。
• 准入控制
准入控制顾名思义就是在云原生应用的全生命周期流程中，根据安全的要求，在不同的阶段进行控制和阻断，进而实现安全性的目标，这也是DevSecOps的一项基本要求。云原生架构凭借其灵活的资源管理与自动化的应用编排，给安全性的控制提供了充分的便利。准入控制的价值，一方面体现在安全风险的预防上，另一方面，一旦log4j等重大0day爆发后，可以通过准入控制，快速控制影响面，防止风险新增。
从生命周期流程看，准入控制需要分别从研发（dev）和运行时(ops)两个阶段来实施。研发阶段的准入主要指在CI、入库等阶段，进行漏洞、敏感信息之类的安全风险的检测，只有符合安全要求后，才允许进入流水线的下一个阶段。这里的准入条件通常需要涵盖前文讲的各种加固内容。
运行时的准入控制，则主要体现在应用被部署运行的阶段，只有符合安全要求的容器/pod，才允许被拉起运行，这里的准入条件通常包括对资源限制的检测、对syscall/capability等权限限制的检测等。
同样，从运营的角度看，准入控制规则除了标准默认的之外，还需要能够根据应用进行灵活则调整和完善。
• 运行时拦截
云原生架构下的容器内，承载的是微服务应用，因此理论上是不应该具备高权限指令的执行，这一点我们在准入控制虽然做了一定程度的预防。这里我们基于运行时安全能力，还需要实现对容器内高危操作的拦截，例如高危命令、高危系统调用等，在不同维度实现安全的纵深防御。
• 网络隔离
横向扩展是攻击者在实现第一步攻击之后的操作，也可以称为后渗透阶段。在云原生网络的设计中，通常默认是不具备任何网络隔离能力的，因此，需要设置并实现一套完善的网络隔离机制，实现不同业务之间的网络隔离。
云原生架构下的网络组织形态，区别于传统的基于主机或者虚拟机的网络，在Kubernetes中，网络的最小单位是Pod，而Pod中承载的是业务容器。因此，在实现网络隔离的时候，传统的基于IP、端口的网络策略将不再适用，我们需要基于label、service等资源，实现不同粒度的网络隔离。
• 防护策略管理
在运营过程中，如何设置准入控制、操作拦截、网络隔离等策略，这是一个令人头疼的问题，因为无论是安全管理员、运维管理员，甚至是开发人员，都很难完全讲得清楚这些规则该如何配置，才能实现相对最安全的状态。
这是云原生架构下安全运营的一个挑战，同时云原生架构本身也提供应对这种挑战的优势。前文提到云原生架构的一个重要特性就是不可变的基础设施，这就意味着，我们可以通过白名单、行为模型等方式，基于业务特性以及历史运行数据，自动化的学习生成一套安全基线，这个安全基线将成为各种防护策略配置的重要参考。
安全检测
安全永远是一个攻防博弈的过程，而防守方往往处于相对劣势的地位，甚至可以说没有攻不破的系统。
在云原生架构下，业务变得越来越开放和复杂，攻击者的手段越来越多样化，前文所述的防御拦截措施，总是难以应对所有的威胁，有些高级定向攻击或者是像针对log4j2这种0day漏洞的攻击，总是可以轻易的绕过各种防御手段，让安全威胁防不胜防。
因此，在完成了上述所有的防御拦截措施之后，还需要持续的对云原生系统进行运行时监测以及安全检测。基于云原生架构的特性，这里将安全检测分为两个维度来进行。
1）系统维度的威胁检测
主要针对容器内的行为来进行，比如容器内进程异常的检测、文件异常的检测、用户异常的检测等，通过这些细粒度的异常检测，发现诸如提权、挖矿等攻击行为。
网络维度的威胁检测。主要面向的是后渗透阶段的横向移动，虽然我们在防护阶段已经设置了严格的访问控制策略，但是在网络可达范围内的横向移动攻击，仍然会带来重要的安全威胁。网络威胁检测主要分为两个方面：一方面是从网络行为的角度，基于Flow实现网络流量尤其是东西向流量的异常检测，这对于端口探测、APT攻击，甚至是新型的网络威胁或者高级的网络威胁等检测将会起到重要的帮助（NDR）；另一方面就是从数据包的角度，分析容器之间网络的数据包异常，实现容器网络的入侵检测（NIDS）。
2）应用维度的威胁检测
同样面向是后渗透阶段的横向移动，云原生时代应用的微服务架构使得容器间的网络通信会存在大量的API调用，确保所有这些API之间调用都是安全的，对于云原生应用的安全有着重要的意义。例如，在已攻陷的容器中，通过API的方式获取其他服务的数据、或者是通过构造恶意的参数实现对关联服务的攻击。因此，需要在应用的维度实现对API调用异常的检测，比如调用行为、调用路径、调用参数等。
安全响应
安全响应主要是针对前一个步骤的安全检测告警所做出的处置措施。在云原生架构下的安全响应，尤其是网络安全层面的安全响应，我们更倾向于使用旁路检测响应处置这样的操作步骤，而不是像传统网络安全中串联接入IPS、WAF这种直接阻断式的检测响应，这样的设计主要是从业务性能的角度出发。
威胁的响应主要也是包括两个方面：
（1）处置
通过网络隔离、暂停容器、停止异常进程、销毁容器等方式，实现对告警的响应处置。这里有一个前提，就是在安全能力的建设过程中，鉴于容器的短生命周期特性，需要实现完善的日志和追踪记录，以便实现处置后的溯源取证。
处置的过程中，对于某些确定性异常，可以通过一键阻断、一键隔离等方式，实现处置操作的自动化，以降低运营成本。
（2）溯源
根据容器的告警、日志、追踪等数据以及数据间的关联分析，实现对告警的溯源分析，明确攻击链路，确定入侵原因。
安全修复
在安全修复阶段主要包括两个方面的内容：一方面就是针对入侵原因，对相关风险进行加固性修复；另一方面，就是从加固、防护、检测等步骤，分别更新相关的安全策略，实现运营反馈。
总结
Log4j2漏洞已经过去了一个多月，相信很多该打的补丁都已经修复完毕，这次突发的应急事件，是否让我们需要重新思考云原生架构下的安全建设和安全运营。漏洞或者入侵很难预测，不知道下一次什么时候还会发生，痛定思痛，到那时我们能否可以从容应对。
希望本文的思考能给云原生安全建设带来一些思路和帮助，如有任何建议或疑问，欢迎文末留言。
关于腾讯容器安全服务（TCSS） 腾讯容器安全服务（Tencent Container SecurityService, TCSS）提供容器资产管理、镜像安全、集群安全、运行时入侵检测等安全服务，保障容器从镜像构建、部署到运行时的全生命周期安全，帮助企业构建容器安全防护体系。 腾讯从2018年9月30日启动全面云原生上云战略，至今已经有数千万核心规模。容器安全服务产品团队结合业内最大规模容器集群安全治理运营经验打磨产品，推动行业标准及规范的编写制定，并首发《腾讯云容器安全白皮书》（点击“阅读原文”可下载），对国内容器环境安全现状进行分析总结，助力云原生安全生态的标准化和健康发展。
更多信息，可参考腾讯云官方网站介绍： https://cloud.tencent.com/product/tcss
往期精选推荐
- 斗鱼直播云原生实践之注册中心篇
- 腾讯云&信通院共建，最新企业云原生降本增效指南大全来了！
- kubernetes 降本增效标准指南｜理解弹性，应用弹性
- 案例 | 腾讯广告 AMS 的容器化之路
- TKE 容器网络中的 ARP Overflow 问题探究及其解决之道
点个“在看”每天学习最新技术
